SMF-DETR:一种高效的轻量级检测变压器,用于实时检测轴承表面缺陷

科学领域:

• 机械工程 机械工程
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 工业设备的可靠性取决于有效的轴承表面缺陷检测.
• 当前的深度学习方法面临着小目标,高计算负载和边缘部署的挑战.
• 需要有效且准确的缺陷检测算法,适用于工业环境.

研究的目的:

• 提出一个高效的缺陷检测算法,SMF-DETR,解决现有方法的局限性.
• 为了提高对小型轴承表面缺陷的准确性.
• 为了减少计算复杂性,并为实时应用程序实现边缘设备部署.

主要方法:

• 开发了StarNet-MEIS-FDConv检测变压器 (SMF-DETR) 的算法.
• 集成的元素级乘法用于高维特征映射和降低复杂度.
• 利用多尺度边缘信息选择机制来改进小缺陷检测.
• 采用频域动态卷积用于高效和适应性特征提取.

主要成果:

• 在定制轴承缺陷数据集上实现了96.2%的mAP@50和98.1%的准确性.
• 在mAP@50中表现比基线方法优于3.1%,精度高于2.9%.
• 降低了57.7%的计算成本和37.1%的模型大小.
• 证明了实时处理速度 (台式机上97.3 FPS,RK3588上的58.1 FPS).

结论:

• 在轴承表面缺陷检测准确性和效率方面,SMF-DETR提供了显著的改进.
• 该算法适用于实时工业应用,包括嵌入式平台.
• 对公共数据集的验证证实了算法的多功能性和概括能力.